Come l'intelligenza artificiale sta cambiando il modo di fare pubblicità online

 

Dal media buying manuale ai modelli predittivi: cosa sta succedendo alla pubblicità online 

La pubblicità digitale non è più quella di cinque anni fa. 

Chi lavora ogni giorno con Google Ads o con le piattaforme di media buying se ne rende conto ogni volta che apre una dashboard: le leve manuali si stanno assottigliando, gli algoritmi decidono sempre più cose, e il ruolo dell'inserzionista si è spostato dall'esecuzione alla supervisione. 

Non è una moda passeggera. È un cambio di paradigma tecnologico che, secondo le stime dell'Osservatorio Internet Media del Politecnico di Milano, sta accompagnando la corsa del mercato italiano dell'internet advertising verso i 7 miliardi di euro nel 2026.

Vale la pena capire cosa sta succedendo davvero sotto la superficie, perché il modo in cui vengono acquistati oggi gli spazi pubblicitari ha implicazioni che vanno molto oltre il perimetro del marketing.

Dal media buying manuale agli algoritmi predittivi

Fino a pochi anni fa, chi gestiva una campagna Google Ads passava buona parte del tempo a regolare offerte, keyword e segmentazioni. 

Oggi la maggior parte di quel lavoro è delegata a modelli di machine learning che analizzano milioni di segnali in tempo reale: dispositivo, ora del giorno, cronologia di navigazione, contesto della pagina, probabilità di conversione stimata sul singolo utente.

Smart bidding e la logica dell'asta in tempo reale

Le strategie di offerta automatiche (Target CPA, Maximize Conversions, Target ROAS) non sono più un'opzione da specialisti. Sono diventate lo standard, e nel 2026 anche le campagne più piccole si affidano a questi sistemi. 

Il motivo è semplice: nessun essere umano riesce a valutare, ad esempio, che un utente su smartphone alle 22:14 con una cronologia specifica ha il 3,7% in più di probabilità di completare un acquisto rispetto alla media. Un algoritmo che si allena su decine di migliaia di eventi al giorno sì.

Performance Max e la fine delle campagne per canale

Il salto ulteriore lo ha fatto Performance Max, la campagna che distribuisce automaticamente gli annunci su Search, Display, YouTube, Gmail, Discover e Maps senza che l'inserzionista scelga il canale. 

Al posto delle keyword ci sono gli audience signal (segnali di pubblico) e l'algoritmo decide dove e quando mostrare il messaggio. 

È una rivoluzione operativa: il Quality Score perde peso, il ROAS diventa la metrica centrale, e la competenza si sposta dalla configurazione tattica alla scelta strategica di quali dati fornire al sistema.

Come l'AI sta riscrivendo il funzionamento della SERP

L'altra grande trasformazione riguarda il modo in cui gli utenti trovano informazioni. Google ha iniziato a mostrare risposte generate direttamente dall'AI nella parte alta della pagina dei risultati, le AI Overviews, e questo ha effetti che si ripercuotono sull'intera economia dei click.

I dati recenti indicano una riduzione del click-through rate organico su molte query informazionali: quando l'utente trova la risposta già sintetizzata in cima, spesso non scende più a visitare i siti sottostanti. 

Per gli inserzionisti significa che il valore delle posizioni pubblicitarie sopra i risultati organici sta cambiando: alcune query perdono attrattività, altre, quelle transazionali con intento d'acquisto chiaro, diventano ancora più competitive.

Abbiamo già analizzato come ChatGPT stia trasformando il modo in cui le imprese conducono ricerche di mercato e analisi strategiche, e la stessa logica si applica alla pubblicità: non è la tecnologia che sostituisce l'analisi, è l'analisi che si arricchisce di nuovi strumenti.

La nuova creatività: quando copy e immagini le fa una macchina

Il fronte più visibile è anche quello con più ricadute per chi guarda il fenomeno da fuori.

Modelli generativi come Gemini, GPT-4o e Imagen producono varianti di testo, immagini e video in pochi secondi, e le piattaforme pubblicitarie li integrano nativamente nei propri flussi di lavoro.

Il paradosso della qualità e della scala

Qui si apre un paradosso interessante. Gli algoritmi di Google Ads amano avere tanti asset a disposizione; titoli, descrizioni, immagini, perché possono testare più combinazioni e trovare quella con il rendimento migliore. 

Un inserzionista che nel 2020 caricava tre titoli oggi ne carica venti, e li fa produrre in gran parte dall'AI. 

Ma c'è un rovescio: se tutti si affidano agli stessi modelli generativi, la creatività pubblicitaria rischia di appiattirsi su schemi ricorrenti, e il vantaggio competitivo si sposta da chi produce più asset a chi produce asset differenziati e coerenti con l'identità del brand.

È un punto che chiunque segua da vicino il mercato italiano nota con chiarezza. 

Il lavoro di consulenti indipendenti come Giuseppe Bianco, che affiancano PMI e professionisti nella gestione integrata di SEO e Google Ads, parte proprio dalla logica per cui l'automazione della piattaforma va guidata: senza una strategia editoriale a monte l'AI ottimizza il vuoto. E il vuoto, moltiplicato per il ROAS, resta zero.

I limiti dell'AI nella pubblicità digitale

Nonostante il clamore, esistono zone d'ombra dove l'automazione fatica. La misurazione delle conversioni offline, ad esempio, dipende ancora da configurazioni manuali del Consent Mode v2 e da import di dati CRM che non hanno nulla di magico. 

L'attribuzione multi-canale continua a essere un problema aperto: quando un utente vede un annuncio YouTube, cerca il brand su Google, e poi acquista dopo una settimana, capire quanto valore attribuire a ciascun tocco resta materia di modelli statistici e non di verità assolute.

Un dato concreto: secondo le stime IAB, oltre il 40% degli inserzionisti dichiara di avere ancora difficoltà a misurare correttamente il ritorno delle campagne cross-device. 

L'AI accelera la parte esecutiva, ma non risolve i problemi strutturali di tracking e di qualità del dato.

Cosa aspettarsi nei prossimi ventiquattro mesi

Il trend è chiaro. Nei prossimi due anni assisteremo a una progressiva integrazione tra piattaforme pubblicitarie e assistenti conversazionali, con la ricerca vocale e le interfacce agentiche che diventeranno canali pubblicitari a sé. 

Gli investimenti globali in AI-powered advertising hanno superato i 25 miliardi di dollari nel 2026, e la traiettoria non lascia dubbi sulla direzione.

Il ruolo di chi progetta campagne cambierà ulteriormente. Meno click sui pulsanti, più costruzione di sistemi di dati, più governance della qualità dei feed, più cura dell'esperienza post-click. 

Chi lo capisce ora costruisce un vantaggio che l'automazione, da sola, non offrirà a nessuno!